Predição de propriedades termofísicas de misturas binárias de líquidos iônicos baseados em amônio e água usando redes neurais feedforward e cascade forward
líquidos iônicos, redes neurais, massa específica, velocidade do som,
viscosidade.
O crescimento das aplicações dos líquidos iônicos e consequente necessidade de
obtenção de suas propriedades e de suas misturas em amplas faixas de temperatura e
composição torna imperativo o desenvolvimento de novos modelos que possam tornar
esse procedimento mais rápido e barato. As redes neurais são métodos amplamente
utilizados em diversas áreas da ciência e da engenharia, incluindo a predição de
propriedades. Por isso, o presente trabalho se dedicou a estudar a predição da massa
específica, velocidade do som e viscosidade de misturas binárias de líquidos iônicos
baseados em amônio e água usando redes neurais e como as mudanças nas
configurações das redes influenciam o desempenho da predição. O treinamento da rede
foi realizado utilizando dados da literatura. As variáveis de entrada foram a temperatura,
a fração mássica de líquido iônico e a quantidade de cada grupo estrutural usada para
caracterizar o líquido iônico. Os resultados obtidos mostram que as redes neurais são
um importante aliado na modelagem de propriedades termofísicas de líquidos iônicos e
suas misturas, alcançando erros relativos absolutos médios de 0.0107%, 0.1% e 0.2%
nas predições da massa específica, velocidade do som e viscosidade, respectivamente.
Quando comparadas aos modelos neurais disponíveis na literatura para outros líquidos
iônicos, as redes neurais deste trabalho apresentaram desempenho superior no caso da
massa específica e da viscosidade e praticamente equivalente no caso da velocidade do
som. Os erros máximos para cada propriedade também foram considerados adequados e
não foram observadas tendências ou erros sistemáticos relevantes em suas predições.